論文の概要: Coupled but Late: Turn-Taking Between Full-Duplex Speech Models in Unscripted Dialogue

• arxiv url: http://arxiv.org/abs/2610.08683v1
• Date: Tue, 06 Oct 2026 17:03:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 02:58:30.135672
• Title: Coupled but Late: Turn-Taking Between Full-Duplex Speech Models in Unscripted Dialogue
• Title（参考訳）: 共用・遅用:非説明対話における全二重音声モデル間のターンタイキング
• Abstract要約: ループでは、人間はタイミングエラーを吸収しない:各モデルのターンテイクはその入力である。 会話を通してスピーカーを再ペアリングすることは、それを破壊します。 しかし、床は人間に対して平均で400～560msの速度で手を変え、最後の120msのケースでは人間の投射が1%を占める。
• 参考スコア（独自算出の注目度）: 11.150781169320375
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Full-duplex speech models are trained to converse with a person, but they are increasingly made to converse with each other, in self-play data generation, agent societies, and model-based evaluation. In that loop no human absorbs a timing error: each model's turn-taking is the other's input. We ask what timing the loop settles into. Two PersonaPlex-7B instances exchange audio tokens on a shared clock in unscripted conversation, and one floor-transfer rule is applied to them and to Switchboard. Their timing is coupled: re-pairing speakers across conversations destroys it. But the floor changes hands late, at a median of 400-560 ms against 137 ms for humans, and the last 120 ms of the partner's turn, where human projection places a tenth of its transfers, holds 1% of theirs. Delaying one direction of the channel shifts the response one-for-one and leaves the run-up to it empty, consistent with a reactive wait after the perceived end rather than the turn-end projection human timing requires.
• Abstract（参考訳）: フルダブルプレックス音声モデルは、人との会話を訓練するが、自己再生データ生成、エージェント・ソサイエティ、モデルに基づく評価において、互いに会話する傾向が強まっている。 そのループでは、人間はタイミングエラーを吸収しない:各モデルのターンテイクは、もう一方の入力である。 ループがどのタイミングで収まるか尋ねる。 2つのペルソナPlex-7Bインスタンスは、説明のない会話で共有クロック上でオーディオトークンを交換し、1つのフロア・トランスファールールをそれらとスイッチボードに適用する。 会話をまたぐスピーカーの再ペアリングは、それを破壊します。 しかし、フロアは平均で400～560ms、人間は137ms、パートナーのターンの最後の120msで手を変え、人間の投射が10分の1を占める。 チャネルの一方向の遅延は応答を1対1にシフトさせ、人間のタイミングが要求されるターンエンドではなく、認識された終了後の反応待ち時間と一致してランアップを空にする。

関連論文リスト

• Conversation Is a Two-Body Problem: Dyadic Evaluation of Full-Duplex Dialogue Models [40.54300716582366]
  完全な音声対話モデルは、シングルサイドのインターロケータに対して一般的に評価される。 DyaFDBは、Dyadicセットアップで評価された完全なモデルを評価するフレームワークである。 DyaFDBは、2つのモデルが相互にどのように振る舞うかを調査する。
  論文  参考訳（メタデータ） (2026-10-06T10:44:15Z)
• Continue, Adapt, or Yield: In-Turn Adaptation to Overlapping Speech in Full-Duplex Agents [2.745780834143671]
  フル音声エージェントにおけるテンピン適応の評価法であるDuplex Cueを紹介する。 人文確認されていない英語会話を300件使用した単一モデル実験において, 聴取者の手がかりを再現しながら生成した人間の反応を比較検討した。 話者は68.2%、ペルソナプレックスは32.4%である。
  論文  参考訳（メタデータ） (2026-09-11T17:46:10Z)
• Motion-Omni: End-to-End Joint Speech and Full-Body Motion for Spoken Dialogue [30.587755818246052]
  音声対話モデルは音声を無声で生成し、音声のみから音声を合成する。 我々は,手,上半身,下半身の動作とともに,音声対話モデルによって明示的な表情を出力する,エンドツーエンドのフレームワークであるMotion-Omniを提案する。 我々はさらにSwwenDA-500をリリースし、我々の知る限り、オープンエンドフルボディ音声対話のための最初の公開評価プロトコルについて述べる。
  論文  参考訳（メタデータ） (2026-08-28T21:02:39Z)
• TurnBench: A Multi-Domain Benchmark for Turn-Taking Dynamics in Spoken Dialogue [79.83228182492354]
  自然な会話の話し手は、話と聞き取りを交互に行い、いつ床をつかむか、保持するか、または譲るかをリアルタイムで決める。 そこで本研究では,30時間の人的会話を手作業でラベル付けしたコーパスを,エンド・オブ・ターンと割り込み検出のための標準評価プロトコルと組み合わせたベンチマークTurnBenchを提案する。 一方、割り込み偽陽性は強く型依存的であり、バックチャネル・デンス相互作用スタイルに集中している。
  論文  参考訳（メタデータ） (2026-08-25T23:14:36Z)
• Proactive Hearing Assistants that Isolate Egocentric Conversations [9.444316926459196]
  装着者の会話相手を自動的に識別・分離する能動的補聴器を導入する。 本システムは,エゴセントリックな音声で動作し,装着者の自発音声をアンカーとして利用する。 我々の研究は、会話のダイナミクスやエンゲージメントに積極的に適応する補聴器への一歩である。
  論文  参考訳（メタデータ） (2025-11-14T16:44:48Z)
• SHANKS: Simultaneous Hearing and Thinking for Spoken Language Models [158.18422855768756]
  現在の大規模言語モデル (LLM) と音声言語モデル (SLM) は、ユーザがターンを終えた後にのみ、思考と行動を取る。 これにより、モデルがユーザのターン中に対話するのを防ぎ、考えるのを待つ間、レスポンスのレイテンシが高くなります。 SHANKSは,ユーザ入力を聴きながら,無意味な連鎖推論をSLMが生成できるフレームワークである。
  論文  参考訳（メタデータ） (2025-10-08T11:48:59Z)
• Chronological Thinking in Full-Duplex Spoken Dialogue Language Models [66.84843878538207]
  時系列思考は、完全なSDLMの応答品質を改善することを目的としている。 追加のレイテンシがない: ユーザが話すのをやめると、エージェントは考えるのをやめ、それ以上の遅延なしに話し始める。 結果: 客観的指標と人的評価の両面から, 時系列思考の有効性を示す実験を行った。
  論文  参考訳（メタデータ） (2025-10-02T10:28:11Z)
• X-TURING: Towards an Enhanced and Efficient Turing Test for Long-Term Dialogue Agents [56.64615470513102]
  チューリングテストは、自然言語の会話においてAIが人間のような振る舞いを示すかどうかを調べる。 従来の設定では、各参加者は一度に1つのメッセージに制限される。 本稿では,textitburstダイアログパターンを用いて,元のテストを強化するtextbftextscX-Turingを提案する。
  論文  参考訳（メタデータ） (2024-08-19T09:57:28Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。